インタラクトームとしてのDynamical
Networks
我らオーム主義者なり (K.Nakai)
鈴木泰博、荻島創一、長谷武、中川草、田中博
東京医科歯科大学
大学院疾患生命科学研究部 生命情報学
(ATRは今年度(平成15年)末まで)
Bio
informatics
注意!
私は医者ではありません。
ましてや歯医者でもありません。
講演後に医療相談にはのれません。
私は生物学者でもありません。
小難しい横文字の言葉をちりばめて
質問して苛めるのはやめてください。
わかっている“フリ”…してるだけです。
不勉強です。浅学です。
温かい目で見てあげてください。
ごめんなさい。
鈴木泰博(るろうの たみ)
初手からして理論計算機科
学でドロップアウト
その後、常にアウトからアウ
トへ、左から左へと放浪
経営学という遠い島から流れ
Bio
来る“椰子の実研究者”
informatics
Agenda
1.
2.
3.
4.
5.
Back ground 1 What’s DNA and protein?
Back ground 2 我らオーム主義者なり
bio-networks as interactome
Quick View Dynamical networks と分子生物学
出芽酵母のタンパク相互作用ネットワークについて
最後に(創薬・医療とinteractome)
by Nakei.K
Bio
informatics
はじまりのはじまり
地球上の生命体はすべて同じ種類のタンパク質でできています。
これは、当たり前に思えるかもしれませんが、ものすごい特徴です。
なぜなら、
これを逆手にとれば、タンパク質をうまくデザインすれば生命体ができるからです
ゲノムにはタンパク質をどのようにデザインすれば良いか
が書いてあるのです
Bio
informatics
なんか偉そうだぞ..DNA..
核
Bio
informatics
DNAそれはバイブルのバイブル
DNA
イントロン
遺伝子
エクソン
イントロン
sidafdmorearegwatashinonamaehasuzukidesuremoreaofgamfeoafmeoafea
翻
訳
タンパク質
アルファベット 24文字
ひらがな50文字
わたしのなまえはすずきです
すべての生物は同じ“言語”で
書かれたDNAを持ち、
同じ種類のタンパク質の組み合わせ
でできています。
A,U,C,T 4文字
タンパク質 20種類
Bio
informatics
複数の遺伝子間ではネットワークを形成する
反比例 negative feed back
wacmeogashitasikencacdacashitadetocdacamoashitahahayaokicacdamoeacamdoa
正比例 positive feed back
スイッチON!
wacmeog
ashitasikencacdac
明日試験
cdacamoa
ashitadeto
明日デート
shitahahayaokicacdamoeacadoa
明日早起き
スイッチON!
wacmeogashitasikencacdac
明日試験
ashitadetocdacamoashitahahayaokicacdamoeacamdoa
明日デート
明日早起き
Bio
informatics
遺伝子からタンパク質へ
そして生命体としての機能へ
タンパク質が機能するため
には、それなりの条件が必
要です。
それを人工的につくるのは
容易ではありませんが、生
体ではそれをきちんと機能
させているのです。
Bio
informatics
“やんごとなき”たんぱく質の生涯
揺り篭から墓場まで
Anfinsenのドグマ
Bio
informatics
社会システムとしての細胞
枠組みを与えるDNA
実質的に社会を構成するプロテイン群
バイブルとしてのDNA
実態を支えているのはタンパク質
Bio
informatics
Agenda
1.
2.
3.
4.
5.
Back ground 1 What’s DNA and protein?
Back ground 2 我らオーム主義者なり
bio-networks as interactome
Quick View Dynamical networks と分子生物学
出芽酵母のタンパク相互作用ネットワークについて
最後に(創薬・医療とinteractome)
by Nakei.K
Bio
informatics
Interactome
オーム主義の時代
オーム主義万歳
ゲノ(遺伝子)+オーム
プロテ(タンパク)+オーム
トランスクリプト(転写)+オーム
シグナロソ(シグナル伝達)+オーム
インタラクト(相互作用ネットワーク)+オーム(集団・全体)
最近では“ネットワーク生物学”なぞと云うコトバまで。。
厳密な定義?。。。知りません
Bio
informatics
OVER VIEW
interact-ome (biology]
プロテオーム
MASベース
ネットワーク
モチーフの提唱
小規模
比較的
生物ネットワークのスクリーニング
臨床・創薬への応用
我々の目的
機能予測
出芽酵母(2000-)
Comparative netwroks
出芽酵母タンパク相互作用(2000)
出芽酵母遺伝子ネットワーク(2004)
大
タンパク相互作用
規模スクリーニング
(Y2H, TAP, HMS-PCI )
•出芽酵母(2000-),
•pyroly(2001),
•C.elegence (2003),
•ショウジョウバエ(2003),
•大腸菌(2004)予定
遺伝子ネットワーク
•出芽酵母(2004)
応用
基礎
Bio
informatics
PNAS2001
他に、Utez, Tongらのフルスクリーニングがあるデータ
ベースとしては YPD, MIPS, SGDなどがある。
Bio
informatics
H.Pyloriのタンパク相互作用ネットワーク
2001 Nature
Bio
informatics
fly
Drosophia melanogaster
2003 Science
C.elegence
Multi cellular function related protein のPPI
はスクリーニング完了(2004 Science)
Bio
informatics
classic①
A network of protein-protein interactions
in yeast (Schwikowski et al. 2000)
MIPS
1183
YPD
471
DIP 76
1,548 proteins/2,358 links
Ito 134
Utez
808
each number indicates the number of interactions
not the total number of stored proteins
less than 4
(193 networks)
5-11 proteins
(9 networks)
19 proteins
Bio
informatics
A network of protein-protein interactions
in yeast (Schwikowski et al. 2000)
MIPS
1183
YPD
471
(2,358 interactions)
Screening
each node and color
stands for a protein
a function.
DIP 76
Ito 134
Utez
808
each number indicates the number of interactions
not the total number of stored proteins
Protein A—Protein B
Rank
Function
total
1. Cromatin struc. 5
2. memb. Fusion
3
3. cell struc.
2
4. lipid memb.
1
4. endcyt.
1
72% can cover
Based on YPD 42 cellular role; a protein engaged in and
not its precise biochemical activity (Utez, Tong)
This protein
has and
functions.
Bio
informatics
A network of protein-protein interactions
in yeast (Schwikowski et al. 2000)
prediction
YPD
2,039 proteins
554 have no
annotation
prediction
364/554 have at least one partner of known func.
69/364 have two or more partner of known func.
29/69 have two or more partner of known func. in common
Marcotte et al. annotate proteins in yeast by using as much as possible
kind of method Y2H, phase display, (science 285 1999)
Bio
informatics
最近の流れ
複数のタンパク間で“共有”するタンパク質の割合で機能予測を行う
(Samanta, Liang, Vazquez)
特性が似ているならば同様のタンパクと相互作用するであろう
さらに関係に機械学習を導入したものもある(阿久津ら 2003)
Bio
informatics
2002 Nature
新たなスクリーニングの方法
(HMS-PCI法の応用)
High-throghput mass spectrometric protein
complex identification
他にTAP法などが応用されるようになってきた。
R;unknown
B:known
Bio
informatics
インタラクトーム
classic②
2002 Science
配列情報とY2Hの実験結果を組
み合わせ、結合する塩基配列を
予測する方法を確立し、その方法
を用いて出芽酵母のSH3ドメイン
結合性タンパクの相互作用解析
に応用。
Wiskott-Aldrich症候群(WASP)
病因:X連鎖遺伝形式をとり、血小板減少と湿疹を合
併する免疫不全症である。細胞内骨格の機能やシグ
ナル伝達に関わるとされるWASP遺伝子の異常による。
X連鎖血小板減少症は同じWASP遺伝子異常による。
臨床症状:血小板減少による出血傾向とアトピー性皮
膚炎要の湿疹があり、細菌、真菌、ウイルスに対する
易感染性を認める。
グラフ理論の応用により、SH3ドメ
イン関連のタンパク質内に疾患
関連タンパクネットワーク(WASP
症候群)が存在することを確認。
この結果はin vivoの結果とも一致
をみた。
Bio
informatics
相互作用の最適化制御
2003 Nature
タンパクはなにかと絡みつきやすいもので。。。
出芽酵母のSH3ドメインにおいて Pbs2キナーゼ
モチーフのあるモチーフが相互作用を最適化して
いる。ここで、最適化とはシグナル応答の際に競合
するプロテインの相互作用をブロックして、円滑に必
要な相互作用が行われるようにすることを意味する。
Pbs2のこの活性はSH3ドメイン以外ではみられない。
Bio
informatics
システム生物学的
な潮流
Nature 2002
Bio
informatics
Agenda
1.
2.
3.
4.
5.
Back ground 1 What’s DNA and protein?
Back ground 2 我らオーム主義者なり
bio-networks as interactome
Quick View Dynamical networks と分子生物学
出芽酵母のタンパク相互作用ネットワークについて
最後に(創薬・医療とinteractome)
by Nakei.K
Bio
informatics
OVER VIEW
ineract-ome [数理&biol.]
臨床・創薬への応用
我々の目的
シグナル伝達系
の特徴
classic
Jeong,
Hub proteins
と致死性
Y2Hデータの純化
(斉藤、中谷)
統計的性質
ネットワークの進化 G.Wagner などなど
数理
生物
Bio
informatics
classic
致死性タンパクと相互作用との関係
Jeong 2001, Nature
•出芽酵母のタンパク相互作用
ネットワークにScale Free性を確
認 (pyrolyについても…他論文)
•相互作用の多い(hub)タンパク
が致死性と高い相関があること
を確認
Bio
informatics
Biological networksの統計的性質
Bio
informatics
遺伝子ネットワーク
のスクリーニング
Science 2004
SF, small world 性を有する
Bio
informatics
グラフ理論の応用
中谷:ネットワークの比較によるタンパクー遺伝子間の関係の推定
他に、斉藤のY2Hデータの純化の研究などが知られている
Bio
informatics
プロテインネットワークの進化
しかし、大腸菌、白イナズナ、分裂酵母、出芽酵母
の比較を行うと、hubとなっているタンパクが進化速
度が遅いとはいえない。
進化的に古いタンパクがhubプロテインではないこと
が示されている (koonin)
タンパクネットワークの進化はPreferential Attachment
ではないことが示されている。
G.Wagnerらは精力的に遺伝子重複の
数理モデル的解析を行っている。
Bio
informatics
2000 Nature
ネットワークのアキレス腱としてのP53
Bio
informatics
DNA damage
p53
input
p53
Signaling
Network
activation
Mdm2
tetrameri
-zation
p53
tetramer
p53 activated
tetramer
p53 input
degradation
induction
G1 arrest
DNA repair
p53
p53 p53
p53
translocation
Mdm2
nucleus
cytoplasm
cytoplasm
p53, mdm2 -> empty
p53 -> p53[n]
WHERER, they assign
translocation rule
[n] nucleus import
[c] nucleus export
nucleus
P53,p53,p53,p53 -> p53_tetramer
p53_tetramer -> p53_tetramer, Mdm2
p53, Mdm2 -> empty
Mdm2 -> Mdm2[c]
p53_tetramer, Mdm2 -> p53,p53,p53,p53[c]
p53_tetramer, DNA damage -> p53_tetramer+, DNA damage
p53_tetramer+, DNA damage -> p53_tetramer
Bio
informatics
無理やりまとめてみると。。
背景
① 生物ネットワークの大規模スクリーニングデータが近年になって増加してきた。
② Dynamical Networksの研究の進展
現在の方向性としては、
•
•
•
Bioinformatics; タンパクの機能の推定アルゴリズム、Y2Hデータの純化
Proteomics;比較ネットワーク
分子進化
Bio
informatics
だいぶ、講演時間を
長くするために
水増ししてましたけど
やっと次から
研究の話です。
生物学者
たちとの
語らい
Bio
informatics
Agenda
1.
2.
Back ground 1 What’s DNA and protein?
Back ground 2 我らオーム主義者なり
bio-networks as
by Nakei.K
interactome
3. Quick View Dynamical networks と分子生物学
4. 出芽酵母のタンパク相互作用ネットワークについて
5. 最後に(創薬・医療とinteractome)
Bio
informatics
レポート課題
ネットワーク生物学
レポート問題:タンパク相互作用ネットワークのデータを用いてその特
徴について調べなさい。ただし、タンパク相互作用のデータはMIPS,
YPD, ITO, Utez, Tongのどれを用いてもよい。
提出期限:特に定めませんが、誰かが先にやっていた場合はそのレ
ポートは零点となります。
提出先:いずれかの国際誌(ただし、査読をパスする必要があります)。
Bio
informatics
The higher degree nodes are liable to be connected to the lower degree nodes
従来の関連研究
Specificity in topology in the yeast protein network (Maslov, Science, 2002)
Results from Y2H
compare
keep
degree
the same
Random
shuffling
the change of connectivity
H->L
Null model
との比較
Bio
informatics
Yeast 2 Hybrid system (Y2H)
prey
z
bait
x
方向に意味なし
A→Bならば、B→Aとなるべき
であるが、Y2Hではそうならない
場合が多い。
1.両方向を確認した場合。(Tong)
2.1.でない場合は、ベクタ内の
prey proteinsがbaitに結合するか
は、確率的なので双方向にならない
とは断定できない。
Y2Hでは対称性が崩れる場合が多いがそれは意味のある事なのか、単なる実験の特性なの
かよくわからない。
Bio
informatics
Bait-prey の非対称性①(出芽酵母)
700
outgoing
600
bait
frequency
500
400
300
200
incoming
prey
in comming
100
out going
0
1
3
2
5
4
7
6
9
8
11
10
13
12
15
14
17
16
the number of links
Bio
informatics
Bait-prey の非対称性②(ピロリ菌)
300
frequency
200
100
out going
0
1.00
in comming
3.00
2.00
5.00
4.00
7.00
6.00
9.00
8.00
15.00
10.00
the number of link
Bio
informatics
WHY OUT-IN = 1?
(やったこと①)
700
Out degree , In degree
600
Out-In degree の頻度分布
400
Out-Inの度数分布
300
1
600
200
100
74
82
10
4
11
9
59
49
43
35
31
0
28
出芽酵母でもピロリ菌でも OUT-IN=1
となるプロテインが多い。
系列1
25
the number of links
300
22
16
400
19
14
17
16
12
15
7
10
13
13
8
11
4
6
9
10
4
7
1
2
5
-2
3
-5
1
-8
out going
0
500
度数
in comming
100
frequency
200
-3
1
-2
3
-1
9
-1
7
-1
4
-1
1
frequency
500
Out-In
Out-In degree
Bio
informatics
シミュレーション(初期分布の設定)
Out-In=1…で結合のノードの分布を生成
分布 P(k)=k-2 で結合の分布を生成
frequency
frequency
Out-In degree の頻度分布
Out+In degree の頻度分布
Out+In degree
Out-In degree
OUT-IN の頻度分布を計測
Bio
informatics
結合後のOut-In degreeの分布
中心=5
中心=1
プレファレンシャルに結合した時のOut-Inの度数分布(μ=1)
プレファレンシャルに結合した時のOut-Inの度数分布(μ=5)
45
1
50
1
45
frequency
frequency
1
35
30
-1
度数
25
系列1
20
2
0
15
1
40
-2
10
35
30
度数
40
-1
25
系列1
2
20
0
15
10
-2
5
-3
-5
-5
-15 -14 -13 -12 -11 -10 -9 -8 -7
-15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1
4
0 1
Out-In
2
3
4
5
5
6
6
7
7
8
8
9
9
10 11 12 13 14 15
10 11 12 13 14 15
0
中心=30
1
1
40
40
系列1
2
度数
度数
5
6
6
7
7
8
8
9
9
10 11 12 13 14 15
10 11 12 13 14 15
1
1
0
30
-1
20
10
系列1
-1 0
2
-2
10
5
0
4
50
frequency
15
frequency
20
3
60
45
25
2
プレファレンシャルに結合した時のOut-Inの度数分布(μ=30)
50
30
5
0 1
Out-In
OutーIn degree
プレファレンシャルに結合した時のOut-Inのどす分布(μ=10)
35
4
-4 -3
-11
-9 -8 -7
-15 -14 -13 -12
-10
-6
-15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1
Out-In degree
中心=10
3
5
-4
-6
0
3
-11
-7 -6
-2
-3
-5
-5
3
-4
-15 -14 -13 -12
-10 -9 -8
-15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1
4
5
0 1
Out-In
2
3
4
5
6
6
7
7
8
8
9
9
10 11 12 13 14 15
10 11 12 13 14 15
Out-In degree
0
-9
-6
3
-3
-4
4
-15 -14 -13 -12 -11 -10
-8 -7
-15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1
5
0 1
Out-In
2
3
4
5
6
6
7
7
8
8
9
9
10 11 12 13 14 15
10 11 12 13 14 15
Out-In degree
Bio
informatics
機能と非対象性との関係
(やったことその②)
40
40
30
機
能
数
functions
30
20
機
能
数
20
10
10
0
0
0
10
20
outgoing+incoming
OUT+IN
30
0
2
4
6
8
10
12
14
16
outgoing-incoming
OUT-IN
Bio
informatics
Correlation between the number of
proteins and functions
300
多機能のタンパクは高い相互作用を持つ
相関係数
200
Spearman
のロー
相関係数
有意水準
(両側)
100
N
VAR00003
VAR00004
VAR00003
VAR00004
VAR00003
VAR00004
VAR00003 VAR00004
1.000
.783**
.783**
1.000
.
.000
.000
.
31
31
31
31
**. 相関係数は1 %水準で有意 (両側)
0
0
10
20
30
40
functions
many functions produced by few proteins
40functions/2proteins
40functions/200proteins
40/200=0.5 functions/protein
40/2=20.0 functions/protein
Bio
informatics
非対称性と機能数の関係
10
Out+In
8
Ave. functions
平
均
機
能
数
Out-In
6
4
2
outgoing+incoming
0
outgoing-incoming
0
10
20
30
Outgoing+/-incoming
相関係数
Spearman
のロー
相関係数
有意水準
(両側)
N
VAR00006
VAR00007
VAR00006
VAR00007
VAR00006
VAR00007
**. 相関係数は1 %水準で有意 (両側)
相関係数
VAR00006 VAR00007
1.000
.938**
.938**
1.000
.
.000
.000
.
31
31
31
31
Spearman
のロー
相関係数
有意水準
(両側)
N
VAR00005
VAR00007
VAR00005
VAR00007
VAR00005
VAR00007
**. 相関係数は1 %水準で有意 (両側)
VAR00005 VAR00007
1.000
.821**
.821**
1.000
.
.000
.000
.
31
31
31
31
Bio
informatics
(11 1)
(15 3)
ENERGY_GENERATION
SMALL_MOLECULE_TRANSPORT
CELL_CYCLE_CONTROL
PROTEIN_COMPLEX_ASSEMBLY
CYTOKINESIS MITOSIS
DNA_SYNTHESIS
CHROMATIN_OR_CHROMOSOME_STRUCTURE
RNA_SPLICING
RNA_PROCESSING_OR_MODIFICATION
POL_II_TRANSCRIPTION
OTHER_METABOLISM
MEIOSIS
PROTEIN_DEGRADATION
VESICULAR_TRANSPORT
DNA_REPAIR
MITOSIS
PROTEIN_DEGRADATION
MATING_RESPONSE
CELL_CYCLE_CONTROL
PROTEIN_SYNTHESIS
AMINO_ACID_METABOLISM
CELL_POLARITY
(8 2)
SMALL_MOLECULE_TRANSPORT
MATING_RESPONSE
PROTEIN_SYNTHESIS
CELL_STRESS
CELL_POLARITY
SIGNAL_TRANSDUCTION
RNA_SPLICING
RNA_PROCESSING_OR_MODIFICATION
(12 1)
PROTEIN_COMPLEX_ASSEMBLY
PROTEIN_TRANSLOCATION
SMALL_MOLECULE_TRANSPORT
LIPID_FATTY_ACID_AND_STEROL_METABOLISM
VESICULAR_TRANSPORT
(1 0)
PROTEIN_MODIFICATION
OTHER_METABOLISM
CHROMATIN_OR_CHROMOSOME_STRUCTURE
RNA_PROCESSING_OR_MODIFICATION
SMALL_MOLECULE_TRANSPORT
DNA_SYNTHESIS
POL_II_TRANSCRIPTION
CARBOHYDRATE_METABOLISM
(6 2)
(4 0)
OTHER_METABOLISM
PROTEIN_DEGRADATION
CHROMATIN_OR_CHROMOSOME_STRUCTURE
MITOSIS
AMINO_ACID_METABOLISM
CELL_CYCLE_CONTROL
MITOSIS CELL_STRESS
CARBOHYDRATE_METABOLISM
MEIOSIS
PROTEIN_SYNTHESIS
POL_III_TRANSCRIPTION
POL_I_TRANSCRIPTION
POL_II_TRANSCRIPTION
MEIOSIS
CARBOHYDRATE_METABOLISM
RNA_PROCESSING_OR_MODIFICATION
RNA_SPLICING
DNA_REPAIR
NUCLEOTIDE_METABOLISM
CELL_STRUCTURE
VESICULAR_TRANSPORT
POL_II_TRANSCRIPTION
PROTEIN_SYNTHESIS
PROTEIN_SYNTHESIS
(10 2)
MEMBRANE_FUSION
VESICULAR_TRANSPORT
RECOMBINATION
MEIOSIS
DIFFERENTIATION
CELL_STRESS
CELL_POLARITY
(8 3)
SIGNAL_TRANSDUCTION
CELL_STRESS
(4 1)
PROTEIN_DEGRADATION
CHROMATIN_OR_CHROMOSOME_STRUCTURE
PROTEIN_MODIFICATION
SMALL_MOLECULE_TRANSPORT
AMINO_ACID_METABOLISM
POL_II_TRANSCRIPTION
CELL_CYCLE_CONTROL
Bio
informatics
細胞内局在で分けたインタラクションとコンプレックス形成
これらのうち
Complex形成
に関与するもの
localization
actin
ambiguous
bud
bud neck
cell periphery
cytoplasm
endosome
ER
ER to Golgi
Golgi
Golgi to ER
Golgi to vacuole
lipid particle
microtubule
mitochondrion
nuclear periphery
nucleolus
nucleus
peroxisome
punctate composite
spindle pole
vacuolar membrane
vacuole
yeast
局在名
アクチン
不明瞭
芽
芽のくびれた部分
細胞の抹消
細胞質
エンドソーム
小胞体
小胞体からゴルジへの間
ゴルジ体
ゴルジから小胞体への間
ゴルジ体から液胞への間
脂質の小片
微小管
ミトコンドリア
核の抹消
核小体
核
ペルオキシソーム
斑点状の要素
紡錘体極
液胞膜
液胞
酵母
171103 (データ登録数8506)
complex interaction
rate
22
38
0.58
13
43
0.30
15
30
0.50
22
71
0.31
18
34
0.53
260
897
0.29
no data
no data
no data
10
43
0.23
3
3
1.00
2
7
0.29
7
10
0.70
19
21
0.90
no data
no data
no data
10
21
0.48
21
46
0.46
28
54
0.52
27
38
0.71
367
935
0.39
0
9
0.00
17
35
0.49
26
58
0.45
2
4
0.50
0
5
0.00
1218
8546
0.14
Y2H(Network)
局在データなし
そのうち、WONら
に局在が確かめら
WON-KI,
れた。ネットワーク
Nature
局在のデータはWON-KI
HUH, et al ”Global analysis
of protein localization in
budding yeast” Nature 16
Oct 2003 686-691
Complex dataはMIPSの
complex.171103 より
Bio
informatics
クリーク構造は生物学的機能と関係がある?
タンパク質のPPIネットワーク&アノテーション
ミトコンドリア
リボゾームタンパク質
タンパク質
分解関連
スプライシン
グに関わる
snRNP関連
セリン/スレオ
ニンキナーゼ
Involved in endoplasmicto-Golgi protein trafficking
Translation
initiation
factor
核膜孔を介した
核-細胞質間輸送
アクチン細胞
骨格系
DNA修復
密に関連するタンパク質は複合体を形成している傾向がある
RNA recognition
motif-containing
protein
寄せ集めの
アノテーション
で得た結果です
Telomere
elongation protein
(ever shorter
telomeres)
May participate in
nucleolar function
during the transition
from stationary phase
to rapid growth
Glycogen accumulation.
Gip1p-Glc7p phosphatase
complex is required for
proper septin organization
and initiation of spore wall
formation during
sporulation.
機能未知
Probable translation
initiation factor 6 (EIF6)
similar to mammalian elongin
A, interacts with elongin C
Bio
informatics
細胞質と核内タンパク質
cytoplasm
nucleus
H
M
L
H
M
L
interaction 内complex関与
4
3
120
60
320
119
4
0
138
101
367
167
rate
0.75
0.50
0.37
0.00
0.73
0.46
• 中程度の相互作用(10-30interactions)はcomplex形
成に関与する割合が高いことが確認された.
• 特に核内でがComplex形成に関与する相互作用が
多い
Bio
informatics
出芽酵母タンパクネットワーク
相互作用が
少ないタンパク
4,000程度
Hubとなるタンパク
相互作用が極めて多い
40程度
コンプレックスを形成する層
中程度の相互作用
300程度
以上の構造は
数理的な解析
から得られました。
Bio
informatics
今後のチャレンジ
創薬・臨床へ
CURAGEN Co.
東京医科歯科大学
疾患生命科学研究部 生命情報学
Dynamical Networks & Ineractome
新たな手法の創造とその応用
癌関連タンパク相互作用ネットワークの解析
タンパク間の構造的距離に関する研究
特許など知的財産権の獲得
東京医科大学臨床プロテオームセンタ
Bio
informatics
郷に入っては郷にしたがえ?
ゲノムだけでもタンパクだけでもだめ。
重要な観点は“ネットワークとしての生物システム”
Bio
informatics
Power of two links?
正常型prion
分解
強い相互作用ではなく、弱い相互作用による“リクルート”
が効いてくる状況があるのでは?
シャペロン
HSP系
異常型prion
1対1で分子をおいかけるだけではなく、強い・弱い相互作
用により構成される“総体 OME”という観点が重要では?
社会、経済、Webなどとダイレクトに関係するのでは?
Bio
informatics
Dynamical Networksの研究は本質的に分野横断的である
Bio
informatics
PPI networks Team Staff
荻島創一 (博士3年)
Bioinformatics
中川草(修士1年)
Protein Interaction
Bioinfromatics
長谷武(博士1年)
Protein Interaction
数理的解析
計算シミュレーション
田中博
Bio
informatics
ダウンロード

出芽酵母のタンパク相互作用ネットワーク